别听腰封的推荐,这本书比他们说的要好很多
这篇书评可能有关键情节透露
翻译版没看过,英文版真的很棒。特别是讲到信息论,熵以及随机性......
关于熵(entropy),看过很多的介绍,总是含糊不清。什么叫做无序的度量?它为什么又是信息的单位? 看了几章对其来龙去脉的介绍,我总算明白了,这一切都跟概率有关。对于随机分布的运动,乱序总是比有序的几率要高,所以世界总是倾向于乱序,最后趋于一致。所谓信息,是关于选择的,是关于惊讶程度的,选择越多则信息量就越大。之所以区LOG,无非就是EXP的反运算,而EXP就是计算组合数的。
什么是随机数?
1111111111和1001111100,你是否认为后者比前者更随机?但是从统计学的角度来看,生成这两个序列的概率是一样的!如果按照香农的信息论公式,那么这两者包含的信息量是一样的!
3.1415926....不用我继续往下写,你一定可以猜到后面的数字序列。但是经过大型计算机的运算分析表明,这个序列里任何的一位数(0-9),或者两位书(00-99),以及三位数(000-999)出现的概率都是一样,这意味着这个序列完全没有规律可言。可是任何人都知道,这个序列是数学里的π,序列里的每个数字都是可以准确预测的!
信息跟模式有关,如果你能识别一个模式,你就能理解这个信息。否则,对你就是杂乱的信息。就像音乐,写在乐谱上,以及保存在CD里,都是同样的信息。你能读懂听懂就是音乐,否则就是糟糕的噪音。现在我们知道,其实人类的大脑就是通过对模式的识别进行识别的。这就是为什么,同样的大脑皮层即可以处理声音又可以处理图像。因为对大脑的算法来说,根本没有声音和图像的区别,只是信息的模式。
最后,人们同意用算法长度来表示随机程度。算法越长,表示越随机。算法越短,则越有序。就像物理学一样,人们通过观察万物运作,总结出一个规律。懂得了规律,世界就不是随机的了,就像π。如果世界太有规律,就会索然无味。太乱,则无法形成任何有用的东西。于是,生命是介于两者之间的。
关于熵(entropy),看过很多的介绍,总是含糊不清。什么叫做无序的度量?它为什么又是信息的单位? 看了几章对其来龙去脉的介绍,我总算明白了,这一切都跟概率有关。对于随机分布的运动,乱序总是比有序的几率要高,所以世界总是倾向于乱序,最后趋于一致。所谓信息,是关于选择的,是关于惊讶程度的,选择越多则信息量就越大。之所以区LOG,无非就是EXP的反运算,而EXP就是计算组合数的。
什么是随机数?
1111111111和1001111100,你是否认为后者比前者更随机?但是从统计学的角度来看,生成这两个序列的概率是一样的!如果按照香农的信息论公式,那么这两者包含的信息量是一样的!
3.1415926....不用我继续往下写,你一定可以猜到后面的数字序列。但是经过大型计算机的运算分析表明,这个序列里任何的一位数(0-9),或者两位书(00-99),以及三位数(000-999)出现的概率都是一样,这意味着这个序列完全没有规律可言。可是任何人都知道,这个序列是数学里的π,序列里的每个数字都是可以准确预测的!
信息跟模式有关,如果你能识别一个模式,你就能理解这个信息。否则,对你就是杂乱的信息。就像音乐,写在乐谱上,以及保存在CD里,都是同样的信息。你能读懂听懂就是音乐,否则就是糟糕的噪音。现在我们知道,其实人类的大脑就是通过对模式的识别进行识别的。这就是为什么,同样的大脑皮层即可以处理声音又可以处理图像。因为对大脑的算法来说,根本没有声音和图像的区别,只是信息的模式。
最后,人们同意用算法长度来表示随机程度。算法越长,表示越随机。算法越短,则越有序。就像物理学一样,人们通过观察万物运作,总结出一个规律。懂得了规律,世界就不是随机的了,就像π。如果世界太有规律,就会索然无味。太乱,则无法形成任何有用的东西。于是,生命是介于两者之间的。